文本演化中的利用和探索。量化写作过程中的规划和翻译流
本研究提出了一种新的分类法,根据意图、作者行为和书面数据信息类型对学术写作行为进行分类,并提供了 ManuScript 数据集,旨在提供学术写作的完整图景,以捕捉写作轨迹的线性和非线性,使写作助手可以提供端到端的更强反馈和建议。
Mar, 2023
本文提供了一个完整的计算框架,对科学写作中的文本修订进行了研究,通过构建一个新的带有金标准句子对齐的带注释语料库来揭示了科研人员修订论文的常见策略,并利用自动方法在文档、句子和单词级别上提取修订内容。
Oct, 2022
本研究提出神经叙事生成系统,该系统通过不同程度的人机交互实现故事的生成和不断改进,发现在规划和写作阶段增加人机交互能够使故事质量提升 10% 至 50%,同时提高用户的参与度和满意度,证明在故事创作中人机协作对改进故事特性具有积极作用。
Apr, 2019
这项研究描述了 IteraTeR:第一个大规模、多领域、编辑意图注释的迭代修订文本语料库,包括了新框架和注释后的编辑意图,提高了自动生成模型的评价,从而更好地理解文本修订过程,使得编辑意图和写作质量之间可以建立重要联系,并促进迭代修订文本的计算模型的多样性语料库的创建。
Mar, 2022
通过引入 Writing Path 框架,本研究提出了一种利用明确的大纲来指导大型语言模型生成目标导向、高质量写作的方法。在使用 GPT-3.5-turbo、GPT-4 和 HyperCLOVA X 进行评估时,该方法显著提高了文本质量,进而提升了大型语言模型满足用户多样化写作需求的能力。
Apr, 2024
本文提出了句子级修订任务(SentRev)作为新的写作辅助任务,旨在帮助作者在早期修订阶段产生流利,完整的句子。为了开发和评估 SentRev 模型,我们建立了一个新的自由可用的众包评估数据集,同时还建立了该模型的基准性能。
Oct, 2019
本文提出了一个文本编辑器,使用自动文本摘要为用户提供不断更新的逐段摘要,以边缘注释的方式帮助用户规划、结构化和反思写作过程。通过两个用户研究,作者发现这个系统为用户提供了一个外部的视角来帮助他们修改段落的内容和范围,并且帮助用户快速了解文本的总体情况和开发一些集成自动摘要中得到的见解的策略。通过探究和强调设计 AI 工具以帮助写作的价值,这项工作突显了自然语言处理 (NLP) 能够超越直接的文本生成和纠正。
Aug, 2022
描写了人工智能和人类协同创作在预写过程中发生的三个阶段循环的过程,强调了人类的主导地位和人工智能的多变水平,同时提出了设计建议以支持这种协同创作过程。
Jul, 2023
探索重写文本的替代思想是写作过程中的重要组成部分。最先进的大型语言模型(LLMs)可以简化写作变体生成。为了解决当前界面在同时考虑多个变体时所面临的挑战,我们提出了一个名为 ABScribe 的界面,它支持人工智能与人类合作写作任务中,对写作变体进行快速而又视觉结构化的探索。ABScribe 让用户可以使用 LLM 提示迅速生成多个变体,这些变体会自动转化为可重复使用的按钮。变体以相邻的方式储存在文本段落中,可以通过上下文工具栏上的鼠标悬停交互快速进行比较。我们的 12 位作家的用户研究表明,与流行的基准工作流程相比,ABScribe 显著减少了任务工作量(d = 1.20, p < 0.001),增强了用户对修订过程的感知(d = 2.41, p < 0.001),并揭示了作家如何使用 LLMs 探索变体的见解。
Sep, 2023
通过实证用户研究 (n=30),我们调查了现代大型语言模型 (LLMs) 在协助专业作家方面的效用,发现作家在规划、翻译和审阅等认知活动中都寻求 LLMs 的帮助,尤其在翻译和审阅方面 LLMs 更为有帮助,同时我们的研究结果也强调了利用 LLMs 进行创意写作辅助的未来研究方向。
Sep, 2023